ID:7118さん

### 業務内容 これまでなかったヤフーID付きの位置情報という価値あるデータを専門知識がなくても社内で活用する環境を用意し、広告配信システムを含めた社内の幅広いサービスにデータを提供しました。 ・ヤフーIDに紐づいた位置情報を用いたマルチビッグデータの研究を行うために、ヤフーのアプリのSDKからGPSを用いて位置情報を収集するStreamingシステムを開発。 ・収集した位置情報を用いてGMMモデルベースにユーザの自宅・会社の場所を解析するシステムを開発。 ・ヤフーユーザの位置情報を用いて都市動態を解析するWebシステムのフロントエンド及びバックエンドを開発。 ・都市動態を元にした異常混雑モデルを使用し、ユーザの特徴を解析するシステムを開発。 ### 成果 ・広告配信システムに解析データを用いた連携を実施しコンバージョンを400倍（5→2000）と飛躍的に向上しました。 ・NHKとの共同研究として災害記事の作成に活用する取り組みを実施しました。2022年12月に記事が公開され、災害報道に生かすという社会貢献にも繋がりました。 ・厚生労働省に位置情報と検索情報を組み合わせた解析結果をデータ連携し、コロナウイルスのクラスター早期発見を試みる取り組みに貢献しました。（2020年5月） ・学会発表　JSAI2019 「ココハドコ？：ユーザの位置が紐づいたウェブ検索履歴の解析」、2019年6月に新潟にて発表。

### 業務内容 Yahoo! 知恵袋には入稿者の負担軽減のため本文のみを入力させておりタイトルが存在せず、本文の先頭を切り取ったスニペットをタイトルとしてサービスでは利用されています。しかし本文は「こんにちは」「質問です」などの文で始まることがあり、それらは本文の内容を表していないため、タイトルからユーザが内容を把握できないという問題があった。 そこで本プロジェクトでは本文から質問意図を最も現したスニペットを抽出し、それを見出しとして表示することを実施しました。 本文の質問意図を抽出する方法としてRank学習を採用し、スニペット生成モデル実験を行いました。 本モデルはオフラインテストを行った上でユーザにPush通知として送信するA/Bテストを行いました。結果、質問回答率の向上を確認しできた。 本番導入のため、モデルを組み込んだ見出し生成システムを開発、リリースしてPush通知効果の向上に貢献しました。 ### 成果 ・ユーザ開封率が2.4倍（0.31％→0.75％）に向上。 ・学会発表　COLING2018（自然言語処理領域の国際会議） 「Extractive Headline Generation Based on Learning to Rank for Community Question Answering」、First-Authorとして採択。2018年8月、アメリカにてオーラル発表。 ・学会発表　JSAI2018 「ランク学習によるYahoo!知恵袋の見出し生成」、2018年6月に鹿児島にて発表。

### 業務内容 ヤフーのYDN広告システムのレポートシステムの刷新しました。 YDNのレポートはレガシーなPHPコードで開発されており、保守に工数を取られる構成になっており、そのため新機能の追加が遅れているシステムでした。 またそれらには単体テストがない状態のため、軽微なバグ修正にも工数が取られるものでした。 それらをjavaで刷新し、テスト駆動で保守しやすいコードを開発し、これまで取り込めなかった新機能の追加を盛り込みました。 また、それまで性能面で問題となっていた箇所をHiveOnTezを利用することで、レポートの速度の性能を向上させ、レポートの遅延を解消することができました。 ### 成果 刷新において、新たな技術の学習、またそれまで意識されなかったテストコードの記述の徹底というスタイルに慣れるのに時間がかかりましたが、そのおかげで今は追加機能の工数が1/10になるまでに保守しやすいコードを保てるようになっています。

### 業務内容 ヤフーYDNのサーチキーワードターゲティングにおいて、ユーザーにおすすめするサーチキーワードを 提案するシステムを開発しました。 キーワードの提案のアルゴリズムを構築し、Perlでそれをもとにデータを作成して、APIで作成したモデルを参照するシステムをjavaで開発しました。 サーチキーワードを提案するモデルの理解に苦労しました。 このシステムは社内でプロトタイプを作成したのちに、それをサービスマネージャーなどに説明してその有用性などを説いた上で、サービス展開するという、社内ではあまり見られないバックエンドエンジニアからの企画提案で実現しました。

### 業務内容 YDNの新規顧客に対して、インプレッションなどの効果を予測して見積もりを出すシステムのバックエンドの開発及び、予測モデルの構築を行いました。 YDNは当時売り上げが伸び悩んでおり、そこに対してテコ入れをするために、大規模な刷新を行おうとしていました。 YDNを新たに売り出す戦略に対して、効果的に営業ができるように見積もりシステムの開発を行いました。 開発の中で、私はPHPによるバックエンドのAPI開発、Rによる予測モデルの構築及びチューニング、perlによるモデルのバッチ更新システムの開発を行いました。 しかしリリースはしたものの、予測モデルの精度が上がらなかったため、Rによる予測モデルからLiblinearを利用した機械学習を導入しました。 ### 成果 機械学習導入したことにより、精度は大幅に上昇し、システムの利用者数も10倍になりました。